深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
1641	2024-08-04	A neural ordinary differential equation model for visualizing deep neural network behaviors in multi-parametric MRI-based glioma segmentation 2023-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.16286 PMID:36840621	研究论文	开发了一种神经普通微分方程（ODE）模型，用于可视化深度神经网络在基于多参数MRI的胶质瘤分割中的行为	提出了一种新的深度学习模型Neural ODE，通过神经网络参数化的ODE实现深度特征提取，增强了深度学习的可解释性	比较模型基于少数关键MRI模态进行分割时与全模态结果的差异较小且无显著性	研究深度神经网络在多参数MRI胶质瘤分割中的表现与可视化	369名胶质瘤患者的多参数MRI数据	数字病理学	胶质瘤	多参数MRI协议	Neural ODE	医学影像	369名胶质瘤患者
1642	2024-08-04	Predicting Visual Field Worsening with Longitudinal OCT Data Using a Gated Transformer Network 2023-08, Ophthalmology IF:13.1Q1 DOI:10.1016/j.ophtha.2023.03.019 PMID:37003520	研究论文	本研究旨在利用门控变换网络(GTN)从纵向OCT数据中识别视野恶化。	该研究引入了一种新方法，通过多种标准定义视野恶化，并使用GTN进行预测。	对于基线更严重的青光眼患者，GTN的性能较差。	研究的目的是通过分析OCT数据预测视野恶化。	研究对象为4211只眼睛的纵向OCT数据和视野结果。	数字病理学	青光眼	OCT	门控变换网络(GTN)	眼部扫描数据	4211只眼睛（2666名患者）
1643	2024-08-04	Deep learning in terrestrial conservation biology 2023-Dec, Biologia futura IF:1.8Q3 DOI:10.1007/s42977-023-00200-4 PMID:38227170	评论	本文对保护生物学中深度学习技术的应用进行了回顾	强调了深度学习在保护生物学中的潜力和当前技术先进性	提出了当前技术在数据处理方面的缓慢问题	探索有效的方式监测生物多样性变化	涉及保护生物学中的生物数据监测	机器学习	NA	深度学习	NA	生物数据	NA
1644	2024-08-04	A hybrid method of correcting CBCT for proton range estimation with deep learning and deformable image registration 2023-Jul-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace754 PMID:37442128	研究论文	本研究旨在开发一种新的方法，通过深度学习和可变形图像配准从腹部/盆腔的锥束CT生成合成CT，以促进质子范围的估算	提出了将无监督深度学习（CycleGAN）与可变形图像配准（DIR）结合的混合方法，分别生成几何加权和强度加权的合成CT成分	研究的样本量相对较小，仅限于81名儿科患者，且只评估了在特定条件下的方法有效性	探索一种准确的合成CT生成方法，以便在质子治疗中提高质子束穿透气体区域的范围估算	使用81名儿科患者的锥束CT、同日重复CT和规划CT数据进行训练、验证和测试	数字病理学	NA	深度学习（CycleGAN）、可变形图像配准（DIR）	CycleGAN	CT图像	81名儿科患者的CT数据（训练60，验证6，测试15）
1645	2024-08-07	Applications of Artificial Intelligence and Deep Learning in Glaucoma: Erratum 2023 Jul-Aug 01, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1097/APO.0000000000000628 PMID:37523439	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1646	2024-08-04	Polypoidal Choroidal Vasculopathy: Updates on Risk Factors, Diagnosis, and Treatments 2023 Mar-Apr 01, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1097/APO.0000000000000573 PMID:36728294	研究论文	该文章介绍了关于囊状脉络膜血管病（PCV）的风险因素、诊断与治疗的最新进展	文章探讨了深度学习模型在无需靛蓝绿血管造影的情况下，用于从不同类型的视网膜成像中检测PCV的应用	尽管有研究发现新抗VEGF药物可能提供更持久的治疗效果，但尚不清楚它们是否能更有效地闭合囊状病变	研究囊状脉络膜血管病（PCV）的风险因素、诊断方法以及治疗方案	文章关注于男性和吸烟等系统性因素以及与PCV相关的影像学和生物标志物	数字病理学	NA	深度学习	NA	图像	涉及的样本数量及类型未明确说明
1647	2024-08-04	Applications of Artificial Intelligence and Deep Learning in Glaucoma 2023 Jan-Feb 01, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1097/APO.0000000000000596 PMID:36706335	研究论文	本文探讨了人工智能和深度学习在青光眼诊断和进展检测中的应用	提出了结合多种成像模态来改善青光眼评估的新的人工智能工具开发思路	目前大多数算法仅基于单一成像模态，且缺乏对治疗反应预测的相关研究	旨在改进青光眼的诊断和监测方式	研究目的是青光眼的诊断进程和算法的开发	计算机视觉	青光眼	人工智能	深度学习	图像	NA
1648	2024-08-04	Predicting Anti-inflammatory Peptides by Ensemble Machine Learning and Deep Learning 2023-12-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01602 PMID:38054927	研究论文	本文提出了一种通过集成机器学习和深度学习预测抗炎肽的方法	通过构建包含极随机树、门控循环单元和卷积神经网络的高级框架，实现了AIP预测的创新性探索	在独立测试集上的表现可能不代表其他广泛应用场景的预测精度	研究抗炎肽(AIP)的预测以加速抗炎疗法的发展	抗炎肽的特征和预测模型	机器学习	NA	集成机器学习，深度学习	极随机树，门控循环单元，卷积神经网络	序列数据	NA
1649	2024-08-04	An Uncertainty-Guided Deep Learning Method Facilitates Rapid Screening of CYP3A4 Inhibitors 2023-12-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01241 PMID:38055780	研究论文	本文提出了一种不确定性引导的深度学习方法，以便于快速筛选CYP3A4抑制剂	提出了一种不确定性引导的回归模型，能够准确预测CYP3A4活性的IC值，并通过整合分类模型的预测和引入证据不确定性方法提升了预测的可靠性	现有模型主要提供确定性分类结果，缺乏对抑制强度的精确预测，且预测可靠性不足	评估CYP3A4抑制剂以避免潜在的药物相互作用和不良反应	CYP3A4抑制剂的预测与筛选	机器学习	NA	NA	回归模型	化合物数据	27,045个化合物，其中包含4395个具有明确IC值的化合物
1650	2024-08-04	High-Temperature Polymer Dielectrics Designed Using an Invertible Molecular Graph Generative Model 2023-12-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01572 PMID:38061777	研究论文	本文利用可逆分子图生成模型生成高温聚合物介电材料	提出了一种基于可逆正规化流的分子图生成模型，用于高温聚合物介电材料的设计	使用的数据集主要是通过基于RNN的生成模型生成的，可能影响模型的普适性	高效设计高温聚合物介电材料	假设有前景的高温聚合物介电材料	材料科学	NA	深度生成模型	可逆图生成模型	分子图	包含250k个聚合物分子图
1651	2024-08-04	GGNpTCR: A Generative Graph Structure Neural Network for Predicting Immunogenic Peptides for T-cell Immune Response 2023-12-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01293 PMID:37990917	研究论文	本研究提出了一种基于生成图结构的深度学习框架GGNpTCR，用于预测T细胞受体与肽的相互作用	GGNpTCR模型能够有效预测训练数据集中未出现的新抗原的相互作用，并改善了现有的方法	未提及特定的局限性	研究T细胞受体与人类抗原之间的相互作用以推动疫苗和免疫治疗的发展	重点研究T细胞受体与外源性肽的相互作用	计算机视觉	NA	深度学习	生成图结构	序列信息	使用了大规模COVID-19数据集和多种数据集进行性能评估
1652	2024-08-04	Ensemble Geometric Deep Learning of Aqueous Solubility 2023-12-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01536 PMID:37990484	研究论文	这个文章探讨了几何深度学习在预测分子特性如水溶性方面的应用	提出了基于谱卷积和空间卷积的图神经网络架构的两个集成模型	在对巨噬细胞迁移抑制因子抑制剂的测试中表现出模型的局限性	本研究旨在利用几何深度学习来改进药物候选分子的药物动力学	207个分子的验证集以及系列的苯酰脲衍生物和苯二氮卓衍生物	数字病理学	NA	图神经网络	SolNet-GCN和SolNet-GAT	分子特性数据	207个分子
1653	2024-08-04	A Multimodal Deep Learning Framework for Predicting PPI-Modulator Interactions 2023-12-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01527 PMID:38037990	研究论文	本研究提出了一种基于序列的深度学习框架MultiPPIMI，用于预测PPI靶标与调节剂之间的相互作用	本研究的创新点在于MultiPPIMI能够在不需要靶标结构或参考调节剂的情况下，预测任意给定PPI靶标与调节剂之间的相互作用	本研究未提供对所有PPI调节剂的全面评估	本研究旨在开发一种新的框架来识别PPI介导的相互作用	本研究的对象为蛋白质相互作用靶标和调节剂	机器学习	NA	深度学习	双线性注意力网络	基准数据集	NA
1654	2024-08-04	Ab Initio Prediction of 3-D Conformations for Protein Long Loops with High Accuracy and Applications to Antibody CDRH3 Modeling 2023-12-11, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01051 PMID:38018130	研究论文	本研究开发了新的方法来预测蛋白质长环的三维构象，具有高精度和应用于抗体CDRH3建模。	提出了一种结合原子和残基级别术语的新方法来计算残基原子之间的相互作用能	未明确考虑还原侧链与主链原子的相互作用能	开发高精度的蛋白质长环的构象预测方法	蛋白质长环和抗体CDRH3环	数字病理学	NA	NA	OSCAR-loop	NA	49个抗体靶点
1655	2024-08-04	Discovery Viewer (DV): Web-Based Medical AI Model Development Platform and Deployment Hub 2023-Dec-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10121396 PMID:38135987	研究论文	该论文介绍了Discovery Viewer（DV）平台，一个基于网络的医学人工智能模型开发和部署中心	提供一个适应性环境，允许非人工智能专家学习、开发和分享深度学习概念，促进模型的持续改进	未提及具体的技术细节和模型限制	旨在使医疗人工智能模型的开发更加便捷，促进技术在临床环境中的应用	针对肌肉骨骼疾病的AI项目进行开发和测试，涵盖分割、回归和分类任务	机器学习	NA	深度学习	NA	样本数据	参与项目的样本占80%，剩余样本由志愿者进行注释和训练
1656	2024-08-05	Potential added value of an AI software with prediction of malignancy for the management of incidental lung nodules 2023-Dec, Research in diagnostic and interventional imaging DOI:10.1016/j.redii.2023.100031 PMID:39076687	研究论文	本文研究了一种人工智能软件在意外发现的肺结节管理中的潜在价值	研究展示了使用深度学习算法的人工智能软件在预测肺结节恶性程度中的有效性及其高阴性预测值	样本量较小，仅包括83名患者的90个肺结节的回顾性分析	旨在评估人工智能软件在意外发现的肺结节管理中的影响	对在急诊CT扫描中意外发现的肺结节进行评估	计算机视觉	肺癌	深度学习算法	NA	影像	90个肺结节，涉及83名患者
1657	2024-08-04	DeepMPSF: A Deep Learning Network for Predicting General Protein Phosphorylation Sites Based on Multiple Protein Sequence Features 2023-11-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00996 PMID:37931253	研究论文	提出了一种基于多种蛋白质序列特征的深度学习模型DeepMPSF，用于预测蛋白质磷酸化位点。	DeepMPSF模型结合了序列语义特征和蛋白质背景生物物理特征，克服了现有方法对简单特征依赖的问题。	研究中未提到样本数据集的局限性或模型的具体应用场景。	研究目的是提高蛋白质磷酸化位点预测的准确性。	研究对象为人类蛋白质，特别是S/T和Y残基的磷酸化位点。	计算机技术	NA	深度学习	NA	人类蛋白质数据	对一个已确立的人类蛋白质数据集进行了训练和评估
1658	2024-08-04	Sodium-based paracetamol: impact on blood pressure, cardiovascular events, and all-cause mortality 2023-11-07, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehad535 PMID:37611115	研究论文	本研究重新审视了含有碳酸氢钠的对乙酰氨基酚与血压、心血管事件和全因死亡率之间的关联	使用深度学习方法分析了含钠和不含钠的对乙酰氨基酚在心血管健康和死亡率方面的影响	研究中对其他潜在混杂因素的控制不足，尤其是吞咽困难及相关疾病的影响	探讨含钠对乙酰氨基酚对血压、心血管事件及全因死亡率的影响	对475442名年龄在60至90岁之间的英国患者进行了分析	数字病理学	心血管疾病	深度学习	NA	电子健康记录	475442名患者
1659	2024-08-05	Machine Learning in Cardio-Oncology: New Insights from an Emerging Discipline 2023-Oct, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/j.rcm2410296 PMID:39077576	综述	本文概述了机器学习在心脏肿瘤学中的应用，包括心脏毒性的预测、诊断和治疗	提出了机器学习在心脏肿瘤学领域的新应用，尤其是在风险分层方面	缺乏具体的样本数据和定量分析	研究机器学习在心脏肿瘤学中的应用和影响	癌症患者的心脏毒性和相关风险因素	机器学习	心脏病	机器学习	深度学习、人工神经网络、随机森林	NA	NA
1660	2024-08-04	Expert-level pediatric brain tumor segmentation in a limited data scenario with stepwise transfer learning 2023-Sep-18, medRxiv : the preprint server for health sciences DOI:10.1101/2023.06.29.23292048 PMID:37425854	研究论文	该研究探讨了在有限数据情境下使用分步迁移学习实现儿童脑肿瘤的自动分割	本研究采用了一种新颖的领域内分步迁移学习方法，有效提升了儿童低级别胶质瘤的自动分割精度	虽然研究证明了AI模型的临床可接受性，但仍需更多数据和进一步的临床验证	本研究旨在开发和验证儿童脑肿瘤的人工智能自动分割算法	研究对象为184个来自国家脑肿瘤联盟和100个来自儿科癌症中心的数据集中的儿童低级别胶质瘤影像	数字病理学	脑肿瘤	深度学习	神经网络	影像	总共284个样本（184个来自国家脑肿瘤联盟和100个来自儿科癌症中心）